Python|熊猫 Series.corr()介绍

简介

在进行数据分析时，对于两列数据之间的相关关系，我们通常使用相关系数（correlation coefficient）来衡量。 相关系数的值介于-1与+1之间，其绝对值越大，则代表相关性越强。Pandas中的Series对象提供了corr()方法，用于计算数据序列之间的相关系数。

语法

Series.corr(other, method=None, min_periods=None)

参数：

• other：另一个Series或DataFrame的数据序列。
• method：计算相关系数的方法。包括pearson、kendall和spearman三种。默认为pearson。
• min_periods：计算相关系数时，参与计算的最小非空数据值数量。默认为None，表示使用所有非空的数据值。

返回值：

• 相关系数。如果other是DataFrame，则返回Series，包含与该Series相关的每个DataFrame列的相关系数。如果other是Series，则返回与该Series的相关系数。

示例

import pandas as pd

# 创建两个Series对象
data1 = pd.Series([1, 2, 3, 4, 5])
data2 = pd.Series([2, 4, 6, 8, 10])

# 计算data1和data2的相关系数
print(data1.corr(data2))  # 输出：1.0

以上示例中，data1和data2之间存在线性关系，相关系数为1。

import pandas as pd

# 创建DataFrame对象
data = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [2, 4, 6, 8, 10]})

# 计算data中所有列的相关系数
print(data.corr())  # 输出：
#           A    B
# A  1.000000  1.0
# B  1.000000  1.0

以上示例中，data的两列数据之间存在线性关系，相关系数都为1。